Диффузионная LLM технически умеет глушить свой контекст. Я попробовал этим воспользоваться

У авторегрессионной модели контекст — это то, что уже случилось. Токен выдан, и переписать его нечем: генерация умеет только дописывать справа.

У диффузионной всё иначе. На каждом шаге она делает полный двунаправленный проход по всей последовательности и переоценивает каждую позицию. Решение «эту фиксируем, эту оставляем открытой» принимает встроенный механизм уверенности: прошёл максимум softmax порог — токен приморожен, не прошёл — остаётся маской и будет переписан. То есть у диффузионной модели структурно есть возможность, которой у авторегрессии нет: глушить сигналы внутри собственного контекста. Не коммитить то, в чём не уверена. Стереть то, что мешает. Мне стало интересно, можно ли этим воспользоваться на практике — заставить модель самой вычистить мусор из выданного ей контекста.

Модель — LLaDA-8B‑Instruct ^[1] в Q4_K_M через llama.cpp.

Задача — RAG над графом знаний: 150 вопросов RoG-WebQSP ^[2], на вопрос 25 триплетов, на пути к ответу — по медиане один. Остальные 24 заведомо лишние, выбраны BFS к золоту

Как работает диффузионная LM, если коротко

Авторегрессия порождает текст слева направо, по одному токену. Маскированная диффузионная модель начинает с последовательности, целиком состоящей из масок, и предсказывает все замаскированные позиции сразу. Порядок раскрытия ничем не задан: первым фиксируется то, в чём модель уверена, а не то, что левее.

Используем механизм c порогом из FastDLLM ^[3], confidense 0.9

Если подробнее ^[4], но самое главное что мы попытаемся экслуатировать я описал

Идея: положить граф не в промпт, а под маску

Обычно retrieved-контекст кладут в промпт, а промпт неизменяем — модель обязана нести все 25 триплетов через каждый шаг. Что если положить граф в перезаписываемую область масок?Тогда она физически сможет стереть ненужное.

То же самое пытались эксплуатировать, но для коррекции ответа слабой модели более мощной, читать тут ^[5], у нас гипотеза интереснее, может ли dLLM отбирать нужные факты. что нужные ей для ответа.

Идея, вообще говоря, не из мира текста. Ретрив внутрь диффузии впервые принесли в компьютерном зрении ^[6]: retrieval-augmented diffusion models ^[7] подмешивают соседей из внешней базы изображений прямо в процесс денойзинга, а не подают их как неизменяемое условие.

Технически мы планируем подавать вместо конкретных эмбеддингов определённых токенов — их смесь.

где — i-й токен линеаризованного графа. — жёсткий граф в перезаписываемых слотах, — чистая маска. в тестах использовался

Результат 1: паритет, вчетверо дороже

Доля мусора здесь — параметр, который я задаю сам, поэтому сделал её независимой переменной.

Ответ присутствует в контексте при всех бюджетах, включая три триплета, так что различия по EM – это цена отвлечения, а не потеря факта.

Разрыв закрывается монотонно, и не за счёт просадки промпта: промптовая кривая плоская, а масочная растёт с 0.613 до 0.760. Но нигде не переворачивается. Лучшее, чего механизм добился, — статистический паритет, и достался он вчетверо дороже: 18.7 шага против 4.8.

Ответ на это можно найти в «Masks Can Be Distracting» ^[8]: лишние mask-токены работают как дистракторы, и понимание контекста падает с их количеством. Механизм, который для работы требует длинной маскированной области, платит за неё сразу и он не окупается.

Результат 2: модель не вычищает мусор, она его ассимилирует

Самое интересное обнаружилось, когда я посмотрел, что стало с засеянной областью. Ожидал чистку: релевантное сохранено, на месте нерелевантого что то. Увидел ассимиляцию под вопрос.

Q: what are the two official languages of paraguay?
Gold: Spanish Language, Paraguayan Guaraní

GOLD

Дистракторы

Мусор никуда не делся — он переписан в мусор другими словами. Причём характерно: дистракторное отношение country languages spoken дрейфует в human language spoken, заимствуя формулировку у золотого триплета.

Модель ведёт себя как денойзинг-автоэнкодер: делает текст более «типичным», а не более релевантным.

Результат 3: отбор есть, он вопрос-обусловлен и крошечный

Теперь главный вопрос: различает ли встроенный механизм уверенности релевантный факт и мусор?

Я добавил дамп уверенности по каждой позиции на нулевом шаге. Первое, что оттуда видно: 72 % позиций области графа проходят порог 0.9 сразу.

Отбор виден. При α=0.5 модель фиксирует 75.6 % позиций золотого факта против 65.3 % позиций дистрактора — разрыв 10.4 пункта.

Вот только сам по себе он ничего не доказывает: золотые триплеты могут просто состоять из более предсказуемого текста. Нужен контроль — тот же граф, но чужой вопрос. Если разрыв держится и там, это предсказуемость токенов, а не отбор.

Контроль показывает, что часть эффекта тривиальна: при чужом вопросе разрыв падает с 10.4 до 5.5 пункта. Вопрос-обусловленная часть — разница между ними — и есть то единственное, что можно назвать отбором.

на гистограммах также показана обусловленная часть для удаления, копирования и уверенности.

Заключение:

Гипотеза была красивой: если у диффузионной модели структурно есть то, чего нет у авторегрессии — право не коммитить неуверенное и переписывать уже выданное, — то почему бы не отдать ей на откуп чистку retrieved-контекста? Не мы решаем, какие триплеты лишние, а сама модель, по уверенности, стирает мусор и оставляет нужное.

Практика гипотезу не подтвердила — по крайней мере в том виде, в каком я её сформулировал. обусловленнасть присутсвует но как её эксплуатировать открытый вопрос.

Оговорки

• Одна модель, один датасет, квантизация Q4_K_M. Ничего не обобщается без проверки.

• Рост масочной кривой по бюджету идёт вместе с ростом числа шагов (12.9 → 18.7), так что «выгода от работы с содержимым» и «просто больше вычислений» этим свипом не разведены.

• Наблюдение про ассимиляцию — качественное, на нескольких вопросах, не квантифицировано.

Ссылки

1. LLaDA — Large Language Diffusion Models ^[1] (arXiv:2502.09992)

2. Fast-dLLM — Fast-dLLM: Training-free Acceleration of Diffusion LLM ^[3] (arXiv:2505.22618)

3. Masks Can Be Distracting — Masks Can Be Distracting ^[8] (arXiv:2511.21338)

4. RDM — Retrieval-Augmented Diffusion Models ^[7] (arXiv:2204.11824)

5. RoG — Reasoning on Graphs: Faithful and Interpretable LLM Reasoning ^[2] (arXiv:2310.01061)

6. Context-aware correction — Context-aware correction of weak models by strong models ^[5] (arXiv:2512.19004)

7. Теормин по dLLM — Обзор диффузионных языковых моделей, AIRI ^[9] (Хабр, AIRI)